rag-kb — 本地 Agent 记忆与知识服务

English | 中文

本地优先、完全离线可用的 Agent 记忆与知识服务——REST + MCP 双协议，混合检索（向量 + BM25 归一化加权融合），文档/网页入库与 RAG 问答；无 LLM 时存取与检索完整可用。

kb 是本地优先、完全免费的 Agent 记忆与知识服务（v2.2.0）。

开源协议：Apache-2.0（含专利授权，可商用）。

kb — 本地优先的 Agent 记忆与知识服务

Windows 单进程常驻（python -m kb serve），REST + MCP 双协议，向 Claude Code /
Cursor / TraeWork / 自建 Agent 提供记忆写入、文档与网页入库、混合检索
（向量 + BM25 归一化加权融合）与 RAG 问答。

无 LLM 时存取与检索完整可用——记忆写入、文档入库、混合检索不依赖任何大模型；
配置本地 Ollama 或云端 API 后，/ask 问答能力自动启用。

核心特性

• 单进程常驻：一个 python -m kb serve 同时提供 REST API 与 MCP 端点，无需额外组件
• 混合检索：向量检索 + BM25 关键词检索，归一化加权融合排序（每路 min-max 归一化后按生效路数均权，N32/N33），中文分词友好
  • 嵌入模型：默认 BAAI/bge-small-zh-v1.5（轻量，约 92 MB / 512 维）——开箱成本低、CPU 上也快；需要更强语义理解可换 BAAI/bge-m3（约 2.2 GB / 1024 维），见「嵌入模型怎么选」
  • 可选精排：KB_RERANK_ENABLED=true 启用 bge-reranker-v2-m3 交叉重排（默认关）
  • 可选三路：KB_SPARSE_ENABLED=true 启用 BGE-M3 稀疏向量第三路（默认关，失败自动降级双路；需 bge-m3）
• 记忆管理：写入 / 更新 / 删除 / 列表，支持 namespace、tags、type 过滤
• 记忆全共享：所有记忆/知识与任何客户端、任务、AI 全共享——本地单用户定位，跨 agent、跨任务读到同一份用户记忆；client 仅用于审计归类与元数据；主键服务端生成
• 全局 + 分项目记忆（v2.1）：不传 project 写入全局库；传 project 写入独立子库 kb_data/projects/<project>/（物理隔离，删目录即删项目记忆）；带项目检索 = 项目子库 + 全局库加权合并（KB_PROJECT_BOOST）
• PyPI 安装与依赖瘦身（v2.1）：pip install "kb-memory[ingest]"，摄取/LLM 拆为可选 extras；Linux 可先装 CPU 版 torch，总下载量显著下降
• Skill 自动安装与发现（v2.1）：skill 内置 bootstrap.py，询问用户同意后才建独立环境安装；kb where 告诉你装在哪，kb autostart enable 开机自启
• 空闲卸载（v2.1）：KB_IDLE_UNLOAD_SECONDS 到期自动卸载嵌入模型并释放显存，后台占用趋零
• 记忆语言与自定义规则（v2.1）：KB_MEMORY_LANG=auto 跟随操作系统语言存储记忆；~/.kb/rules.md 自定义"什么时候该存记忆"
• 存取审计：每次写/读/改/删/检索/问答记 JSON 到 logs/agent-audit/<客户端>__<项目>.log（按 client+project 分文件）；用户可查：REST GET /api/v1/audit?client=<客户端>[&project=<项目>] 或 CLI kb audit --client <客户端>
• 知识入库：本地文档（txt/md/pdf/docx 等）上传或路径导入，网页正文抓取入库
• 目录监听：指定目录内新增/删除文件自动入库/清理（KB_WATCH_DIR）
• CLI 工具：kb add/search/stats/ask/eval/forget/dedup——终端直接完成写入、检索、统计与 RAG 问答
• 隐私护栏：敏感 namespace 强制本地回答不出网；/ask 智能路由（本地优先，难题可选云端）
• 断网可用：模型与数据全部落本地，无网络时存取与检索功能完整

快速开始（Linux / Windows / macOS）

Linux（推荐，含 2 核 2G 小服务器）：先装 CPU 版 torch，再装 kb。

pip install torch --index-url https://download.pytorch.org/whl/cpu   # CPU 轮子约 196 MB
pip install "kb-memory[ingest]"
python -m kb serve

不先装 CPU 版 torch 时，PyPI 默认会拉 CUDA 版本（torch + cudnn + nccl 等合计 2–3 GB），
这是 Linux 新用户最大的下载坑；只做记忆存取与检索不需要显卡。

2 核 2G 服务器建议配置（写入 .env 或环境变量）：

KB_DEVICE=cpu
KB_LLM_MODE=off
KB_TORCH_THREADS=2          # 0=自动（按 cgroup/affinity 配额，最多 4）
KB_EMBED_BATCH_SIZE=16      # 默认 32；内存紧张降到 8–16
KB_IDLE_UNLOAD_SECONDS=300  # 空闲 5 分钟卸载嵌入模型

启动阶段不加载嵌入模型（百 MB 级）；首次检索/写入才加载默认 bge-small（约 92 MB），
加载后常驻通常 < 1 GB，检索为毫秒级，2 核 2G 可运行。LLM 问答（/ask）在 2G 上
建议保持关闭或使用云端。

Windows / macOS：

pip install "kb-memory[ingest]"   # 核心 + 文档/网页摄取；[llm]=云端问答，[full]=全部
python -m kb serve

源码开发安装：

python -m venv venv
.\venv\Scripts\Activate.ps1          # Linux/macOS: source venv/bin/activate
pip install -r requirements.txt
pip install -e ".[full]"             # 开发/测试需要摄取、监听与 LLM 可选依赖
python -m kb serve

首次安装要下载什么、大概多久（先看一眼，避免以为卡死了）：

• Linux 先装 CPU 版 torch（约 196 MB）后，整条核心依赖约 0.5–0.7 GB；
  Windows / macOS 核心依赖约 400–600 MB（Windows CPU 版 torch 约 124 MB 为最大单体）；
• 可选 [ingest] 额外约几十 MB（PDF/DOCX/Office 解析、网页提取、目录监听）；
• 首次写入/检索时才加载并下载嵌入模型（懒加载，启动本身很轻），默认 bge-small-zh-v1.5 约 92 MB（若显式配了 KB_EMBED_MODEL=BAAI/bge-m3，则约 2.2 GB）；
• 国内网络可加 pip 镜像加速（实测阿里云可用、清华可能 403），但镜像同步新包有延迟
  （实测阿里云对 kb-memory 返回过 404）；建议同时挂官方源兜底：
  pip install "kb-memory[ingest]" -i https://mirrors.aliyun.com/pypi/simple/ --extra-index-url https://pypi.org/simple/
  若仍报 No matching distribution，改用官方源：pip install "kb-memory[ingest]" -i https://pypi.org/simple/
• 模型下载走 HuggingFace 镜像：$env:HF_ENDPOINT='https://hf-mirror.com'（Windows）/ export HF_ENDPOINT=https://hf-mirror.com（Linux、macOS）。

重要：用源码 venv 安装时 kb 命令只装在虚拟环境内。每个新终端都要先激活虚拟环境
（Windows .\venv\Scripts\Activate.ps1，Linux/macOS source venv/bin/activate），
否则会提示 kb：未找到命令。改用 python -m kb <子命令> 可绕过激活。
不知道自己的 kb 装在哪里、怎么启动：kb where，或运行 skill 包里的
python bootstrap.py --status / --start-only。

启动后健康检查：

curl http://127.0.0.1:8000/api/v1/healthz

浏览器界面（2026-11-03 新增）：打开 http://127.0.0.1:8000/ui，可直接上传文档、
抓取网页、查看已入库文档并做 RAG 问答（含来源片段与分数）。未配置 LLM 时勾选
「仅检索」即可先验证召回；页面同样是纯本地静态文件，离线可用。

嵌入模型采用懒加载：启动后空闲时几乎不占内存，首次写入或检索才加载
BAAI/bge-small-zh-v1.5（约 92 MB，自动下载并缓存，之后断网可用）；
未配置 LLM 时服务照常启动，/ask 返回 503 与配置指引。
/healthz 的 embedder 字段会显示 unloaded/loading/ok/error，模型加载失败时
写/查请求返回 503 EMBED_MODEL_UNAVAILABLE（含模型名与修复建议），不再裸 500。

CPU 即可运行，不占显卡：Windows / macOS 安装默认使用 CPU 版 torch；
Linux 按上面的命令先装 CPU 轮子即可，无独立显卡的机器也能完整使用。
有显卡想加速（大库、批量入库）可另装 CUDA 版 torch 后显式 KB_DEVICE=cuda。

LLM 默认关闭（KB_LLM_MODE=off）：服务启动不会探测/加载/调用任何大模型，
零显存、零成本、纯离线；记忆写入、文档入库、混合检索完整可用。
需要 RAG 问答（/ask）时再按下面方式配置本地或云端 LLM。

嵌入模型怎么选

默认用轻量模型，是为了让"先试试"的成本足够低；模型不强绑定，可随时按需切换：

本项目在自带 50 题中文评测集上的实测（kb eval）：轻量模型 Recall@1 0.760 / MRR 0.847 /
平均延迟 28.6 ms；bge-m3 为 0.740 / 0.841 / 105.6 ms。小样本下二者基本持平，轻量模型更快更省。
但 bge-m3 在长文档与跨语言场景预期更强，两个模型定位不同，按自己数据选。

换模型前必读：向量维度不同（512 vs 1024），ChromaDB 集合维度由首次写入的向量决定，
换了模型后旧数据无法直接检索。所以：

• 新库（还没写过数据）：直接设 KB_EMBED_MODEL=BAAI/bge-m3 即可；
• 已有数据的库：kb 会自动沿用建库时使用的模型（记录在 kb_data/runtime.json），
  不会因默认值变化而破坏你的数据，启动日志会记录实际沿用的模型；
  若能识别的配置与库不一致（你显式改了 KB_EMBED_MODEL），还会给出 WARNING 说明如何迁移。
  确要换模型，请先备份，再清空 kb_data/chroma 后重新入库。

配置 LLM（可选，/ask 问答需要）

KB_LLM_MODE 默认 off（不加载不调用）；四个档位：

本地 LLM（Ollama）：

# 1. 安装并启动 Ollama（Windows 从开始菜单/托盘启动，不要从 AI 沙箱终端拉起）
# 2. 拉取一个适合你电脑的模型（按显存/内存选择，如 qwen3:4b 约 3.2GB、
#    qwen3:1.7b 约 1.8GB；国内可用魔搭加速，拉完 ollama cp 改成短名）
ollama pull <你的模型名>
# 3. 在 .env 配置后重启服务：
#    KB_LLM_MODE=local            # 仅本地
#    KB_LLM_MODEL=<你的模型名>    # 以 `ollama list` 输出的名称为准
#    KB_OLLAMA_BASE_URL=http://localhost:11434

云端 LLM（任意 OpenAI 兼容服务商，不绑定 DeepSeek）：
DeepSeek / OpenAI / 通义千问 / 硅基流动 / Moonshot 等均可，通用三键：

# .env
KB_LLM_MODE=auto                 # 本地优先、云端降级；或 cloud 全云端
KB_LLM_API_KEY=sk-xxx            # 服务商 API Key
KB_LLM_BASE_URL=https://api.deepseek.com   # 换成你所用服务商的 OpenAI 兼容端点
KB_LLM_CLOUD_MODEL=deepseek-v4-flash       # 云端模型名

验证：GET /api/v1/healthz 的 llm 字段——local/cloud 表示 LLM 已就绪，disabled 表示未启用。

常见问题：嵌入模型下载失败

• 中国大陆直连 huggingface.co 会超时。设置 HF 镜像后重启即可：

  export HF_ENDPOINT=https://hf-mirror.com   # 或写入 ~/.bashrc 永久生效
  python -m kb serve
  

  模型会自动从镜像下载并缓存到 ~/.cache/huggingface/hub/，之后断网也能离线加载。
• 模型已在本机缓存，但无外网：kb 采用离线优先（先命中本地缓存，失败才联网），
  只要缓存目录完整即可完全离线运行。
• 报错里出现「torch 版本不满足 transformers 要求」：transformers 检测到 torch 过旧会
  静默禁用 PyTorch 后端，底层只抛 NameError: name 'nn' is not defined。kb 在加载模型前
  预检这条依赖链，并直接给出两个版本号——按提示升级 torch（pip install -U torch）即可。

让 Agent 接入 kb（客户端无关）

把 kb 的接入规约交给 AI 客户端（TraeWork / Claude Code / Cursor / 自建 Agent），
让它们知道怎么读写记忆、按什么身份规约、怎么查审计。两种方式，任选其一：

1. skill（推荐，能自动触发）——可选的独立步骤：仓库内
   skills/kb-memory/SKILL.md
   是客户端无关的 Anthropic 开格式 skill。把它安装到你所用客户端的用户级 skills 目录后，
   该客户端的任何项目会话都会在读写记忆/RAG 问答/审计查询时自动识别并触发。
   安装 = 把 skills/kb-memory 目录复制过去即可（有脚本，也可手动复制，无需任何依赖）；
   更新（重新覆盖）、卸载、以及装好后的使用说明见
   scripts/README.md。

   不装也不影响 kb 服务：skill 只是给 AI 客户端的「提示词包装」，与服务的安装、
   启动无关——跳过这一步，服务照常运行，你随时可用方法 2 的纯文本提示词接入；
   skill 安装是一次性、按需、独立执行的，不会随 kb serve 自动触发，
   也不会写入你的任何客户端目录以外的文件。

2. 纯文本提示词（兜底，任何客户端通用）：整段复制
   docs/AGENT_PROMPT.md 粘贴给 Agent 即可，不依赖 skill 机制。

.trae-cn/skills / .claude/skills / .cursor/skills 是任何客户端都认的「标准」吗？——不是。
这些只是各家客户端各自的用户级约定目录：SKILL.md 本身是统一的 Anthropic 开格式，
但「装到哪个目录、能否自动触发」由各客户端自行决定，支持程度不一：

不存在「所有客户端都遵循」的统一目录；你的客户端若不支持 skill，永远有方法 2 兜底
（粘贴 AGENT_PROMPT.md，纯文本任何客户端可用）。安装方法、各客户端目录差异与加载机制、
相互引用关系：详细见 scripts/README.md（此处不重复）。

打包为独立 skill（Agensi / marketplace）

skills/kb-memory/ 是 kb 的独立交付单元，只依赖 kb 服务本身：
包含标准 front matter 的 SKILL.md（包根）、MCP 配置模板 mcp.json、配置模板
env.example、独立 README 与 LICENSE，覆盖「安装 → 启动 → 配置 → 验证 → 排障」全流程。

python scripts/build_skill_package.py        # 产物：dist/kb-memory-skill-<版本>.zip

zip 内 SKILL.md 位于包根目录，不含测试、运行数据或任何密钥；
构建脚本会校验 front matter、自包含说明与敏感信息。可直接提交到 Agensi 这类
skill marketplace，用户拿到包后按 SKILL.md 即可把本机 kb 接入自己的 Agent。

MCP 挂载

MCP 端点（streamable HTTP）：http://127.0.0.1:8000/mcp/

Claude Code：本仓库已内置项目级 .mcp.json，在本目录启动 Claude Code 即自动挂载；
也可全局添加：

claude mcp add --transport http kb http://127.0.0.1:8000/mcp/

Cursor / TraeWork 及其他支持 MCP 的客户端：在 MCP 配置中加入以下 JSON
（Cursor 放 ~/.cursor/mcp.json 或项目 .cursor/mcp.json；TraeWork 在设置中添加 MCP 服务器）：

{
  "mcpServers": {
    "kb": {
      "type": "http",
      "url": "http://127.0.0.1:8000/mcp/"
    }
  }
}

挂载后可用的 MCP 工具（11 个）：write_memory / search_memory / read_memory /
update_memory / delete_memory / link_memory / unlink_memory / list_links /
add_document / add_webpage / ask_kb。

启用 KB_API_KEY 鉴权后，MCP 客户端需在连接配置加 headers（Authorization: Bearer <key>）；
仓库内 .mcp.json 模板不含真实 key（JSON 不支持注释），配法见 USER_GUIDE §5.2。

REST 端点速查

记忆关联默认启用一跳检索扩展：命中的 memory 会带出直接关联的邻居（结果附
via: {id, relation}），无关联数据时与基础检索完全一致；开关与上限见
KB_LINK_EXPAND_ENABLED / KB_LINK_EXPAND_LIMIT。设计见
memory-links spec。

记忆治理（去重/衰减/新鲜度）均默认关闭、零行为变化；用法见 USER_GUIDE §3.5。

示例（Windows PowerShell 可直接复制；中文必须按 UTF-8 字节发送）：

function Invoke-KbJson($Uri, $Body) {
  Invoke-RestMethod -Uri $Uri -Method Post -ContentType 'application/json; charset=utf-8' `
    -Body ([System.Text.Encoding]::UTF8.GetBytes(($Body | ConvertTo-Json -Depth 5)))
}

# 写入一条记忆
Invoke-KbJson http://127.0.0.1:8000/api/v1/memories @{ content = "用户偏好深色主题"; tags = @("偏好") }

# 混合检索
Invoke-KbJson http://127.0.0.1:8000/api/v1/search @{ query = "用户界面偏好"; top_k = 5 }

# 按 URL 删除网页文档（source 需 URL 编码；PowerShell 用 [uri]::EscapeDataString）
$src = [uri]::EscapeDataString("https://example.com/page")
Invoke-RestMethod -Uri "http://127.0.0.1:8000/api/v1/documents?source=$src" -Method Delete

Linux / macOS 用 curl（curl 在这里是原生命令，不是 PowerShell 别名）：

curl -X POST http://127.0.0.1:8000/api/v1/memories \
  -H "Content-Type: application/json" \
  -d '{"content": "用户偏好深色主题", "tags": ["偏好"]}'

配置项简表

全部配置以 KB_ 前缀的环境变量或 .env 文件提供；完整键名见 .env.example
（复制为 .env 后填写，.env 已被 gitignore，真实密钥只放本机，严禁入库）。

CLI 速查（无需启动服务）

python -m kb add "记忆内容" --tags 偏好 --client TraeWork                       # 写入（project 缺省自动取当前目录名）
python -m kb import .\docs --project kb                              # 批量导入文件/目录（一次编码、一次建 BM25）
python -m kb search "查询词" --client TraeWork                                 # 混合检索（v2.1：不传 project 查全局；传 project 合并子库）
python -m kb stats                            # 统计：类型分布 / 访问热度 / 陈旧分布
python -m kb ask "问题" --client TraeWork      # 终端 RAG 问答（LLM 不可用时输出检索命中）
python -m kb audit --client TraeWork --days 7   # 查某客户端/项目存过/读过什么
python -m kb eval --file tests/eval_zh_50.jsonl   # 检索质量评测（Recall@1/@5 + MRR）
python -m kb forget --stale --days 90 --dry-run  # 全作用域预览（默认 dry-run，删除前自动备份）
python -m kb dedup --threshold 0.92           # 语义去重

kb ask 直连本地服务逻辑（不经 HTTP）；建议 serve 停止时使用，避免双进程写库竞争。

目录结构

kb/            kb 服务源码（config / models / embedder / storage / bm25 / retriever /
               service / llm / ingest / watcher / api / mcp / cli + reranker / sparse / eval）
tests/         kb 验收测试（476 项通过 / 1 跳过，2026-11-03 实测；含 eval_zh_50.jsonl 检索评测数据集）
docs/          用户指南、开发者手册与设计文档
kb_data/       kb 运行数据（gitignore）

更多文档

• 用户使用手册：docs/USER_GUIDE.md
• 设计文档（需求、架构、API、里程碑）：docs/superpowers/specs/2026-08-23-kb-memory-service-design.md
• v2.1 设计（当前）：docs/superpowers/specs/2026-10-20-kb-v2.1-design.md
• 开发者维护手册：docs/DEV_HANDBOOK.md